發(fā)布時(shí)間：2021-03-08 03:04

　　腦電圖（Electroencephalogram,EEG）信號(hào)代表人類腦部的電活動(dòng)。由于其準(zhǔn)確度高、安全、無(wú)創(chuàng)、廉價(jià),因此成為目前癲癇診斷的主流技術(shù)。但是癲癇腦電信號(hào)的分類研究中仍存在算法復(fù)雜度過(guò)高、數(shù)據(jù)類別不平衡導(dǎo)致性能不穩(wěn)定、樣本量太少導(dǎo)致分類效果差等問(wèn)題。為了有效地檢測(cè)腦電圖中的癲癇信號(hào),本論文針對(duì)局部模式下的腦電信號(hào)分類進(jìn)行重點(diǎn)研究,將局部模式、多粒度掃描、極限學(xué)習(xí)機(jī)引入癲癇腦電信號(hào)檢測(cè)中進(jìn)行進(jìn)一步的探討,本文的創(chuàng)新和主要貢獻(xiàn)如下:（1）提出了局部模式下改進(jìn)的多粒度局部二值模式算子（Multi-Granularity Local Binary Pattern,M-LBP）,使用多粒度掃描處理多種不同類型的腦電信號(hào)獲得多個(gè)粒度下包含更多細(xì)節(jié)信息的相應(yīng)高維度腦電信號(hào);通過(guò)計(jì)算各粒度下高維度腦電信號(hào)的局部二值變換碼的均值、標(biāo)準(zhǔn)差作為最終的特征向量饋送至五種不同分類器中進(jìn)行分類。在波恩大學(xué)癲癇數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該方法對(duì)二分類,三分類不同數(shù)據(jù)集均有較好的分類效果,尤其是二分類Z-S、Z-F等分類精度達(dá)到99.5%。該算子通過(guò)分析計(jì)算不同粗細(xì)粒度下信號(hào)的節(jié)點(diǎn)信息,從而達(dá)到了... 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀分析
        1.2.1 癲癇腦電信號(hào)處理的研究現(xiàn)狀
        1.2.2 目前研究主要存在的問(wèn)題
    1.3 論文研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
第2章 癲癇腦電信號(hào)分類基礎(chǔ)
    2.1 相關(guān)知識(shí)
        2.1.1 EEG簡(jiǎn)介
        2.1.2 癲癇腦電信號(hào)分析方法
        2.1.3 癲癇檢測(cè)數(shù)據(jù)集
        2.1.4 性能評(píng)價(jià)指標(biāo)
    2.2 相關(guān)原理
        2.2.1 一維局部二值模式
        2.2.2 主成分分析原理
        2.2.3 極限學(xué)習(xí)機(jī)原理
    2.3 本章小結(jié)
第3章 基于多粒度局部二值模式變換的癲癇腦電信號(hào)檢測(cè)方法
    3.1 系統(tǒng)框架
        3.1.1 多粒度掃描
        3.1.2 算法描述
    3.2 實(shí)驗(yàn)結(jié)果與仿真分析
    3.3 本章小結(jié)
第4章 基于局部三值模式和極限學(xué)習(xí)機(jī)的癲癇腦電信號(hào)檢測(cè)方法
    4.1 系統(tǒng)模型
    4.2 算法描述
    4.3 實(shí)驗(yàn)驗(yàn)證與性能分析
        4.3.1 基于直方圖的特征向量
        4.3.2 特征降維及分類
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
結(jié)論
    1.總結(jié)
    2.展望
參考文獻(xiàn)
主要符號(hào)對(duì)照表
致謝
附錄A 圖索引
附錄B 表索引
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果



本文編號(hào)：3070300